深层大脑管道在预测术后失言症中的作用:基于nTMS的对皮质体纤维的研究

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 手术后失言症 (POA) 是在语言主导区域的脑损伤手术后经常出现的并发症.
• 准确预测POA对于患者管理和手术规划至关重要.

研究的目的:

• 通过将基于导航式跨磁刺激 (nTMS) 语言映射和基于扩散张力图像 (DTI) 的曲谱绘制与深度学习 (DL) 算法相结合,提高术后失语 (POA) 的预测能力.
• 调查特定白质通道,特别是皮质体纤维 (CtF) 在预测POA中的作用.

主要方法:

• 对100名左半球病变患者的回顾性分析,分为POA和非失语 (NA) 组.
• 进行了手术前的nTMS语言映射和基于DTI的通道图.
• 分析包括总纤维体积,平均分数异构 (FA),段数,可视化比 (VR) 和FA敏感可视化,并开发了用于预测的二进制DL模型.

主要成果:

• 与POA组相比,NA组的总纤维量,平均FA和通道数量显著增加.
• 皮质othalamic纤维 (CtF) 在NA组中显示出更高的VR,但在POA组中显示出更高的FA-敏感可视化.
• 对于POA预测,DL模型实现了72.3%的灵敏度,85.3%的特异性和0.82的AUC.

结论:

• 基于nTMS的通道图和DL的整合显示了预测术后失言症的前景.
• 皮质层层纤维 (CtF) 在理解语言网络复杂性和失语风险方面具有重要意义,尽管它们在模型中的个人预测贡献有限.